라이다 화상 데이터를 활용한 수목 인식 및 분류에 대한 연구 = A Study on Tree Recognition and Classification Using LIDAR Image Data
저자
발행기관
학술지명
권호사항
발행연도
2023
작성언어
-주제어
자료형태
학술저널
수록면
85-101(17쪽)
제공처
인공지능 기술이 발달하면서 이미지를 활용하여 다양한 이미지를 분류하는 방법이 본격적으로 활용되고 있다. 이러한 인공지능 기술을 활용하여 라이다로 촬영한 수목에 대한 인식 및 이미지를 분류하는 연구를 진행하였다. 라이다 이미지의 수목 학습 시 수목에 대한 라이다 이미지 이외에도 실제 수목에 대한 사진, 잎에 대한 이미지, 수목의 성장 단계에 따른 사진 등을 함께 학습하였다. 실제로 촬영한 가로수 수목에 대한 라이다 영상을 활용하여 CNN 모델을 활용하여 학습 후 수종 분류에 대한 결과값을 도출하였다. 라이다 수목 이미지를 학습하지 않았던 1차부터 라이다 이미지를 학습한 3차까지 정답률은 6%에서 90%까지 크게 증가하였다. 하지만 학습을 통하여 라이다 이미지를 학습하였을 때 라이다 이미지에서 충분히 라이다 이미지를 통 한 수목 분류가 가능할 것으로 예상된다. 하지만 라이다의 영상 특성상 나무 이외의 화상(건물, 도로, 자동차, 보행로 등)과 겹쳐 보이는 경우가 많으며 나무 객체 특성상 잎이 일부분만 촬영되거나 수형이 반영되지 않는 문제가 발생하였다. 향후 이러한 영상들에 대한 개선 및 라이다 영상에 대한 해상도 증가, 픽셀 이미지가 아닌 라이다 3차원 정보에 대한 직접적인 기술 개선이 필요할 것으로 예상된다.
더보기As artificial intelligence technology develops, a method of classifying various images using images is being used in earnest. Using this artificial intelligence technology, a study was conducted to recognize and classify images of trees photographed with LIDAR. When learning trees of lidar images, in addition to lidar images of trees, photos of real trees, images of leaves, and photos according to the growth stage of trees were studied together. By using LiDAR images of actually photographed roadside trees, CNN models were used to derive results for tree species classification after learning. The correct answer rate increased significantly from 6% to 90% from the 1st, which did not learn lidar tree images, to the 3rd, which learned lidar images. However, when learning lidar images through learning, it is expected that tree classification through lidar images will be possible enough in lidar images. However, due to the image characteristics of LIDAR, it often overlaps with images other than trees (buildings, roads, cars, walking paths, etc.), and due to the characteristics of tree objects, only a part of the leaves is captured or the tree shape is not reflected. In the future, it is expected that improvements in these images, increased resolution of lidar images, and direct technological improvement for lidar 3-dimensional information rather than pixel images will be required.
더보기분석정보
서지정보 내보내기(Export)
닫기소장기관 정보
닫기권호소장정보
닫기오류접수
닫기오류 접수 확인
닫기음성서비스 신청
닫기음성서비스 신청 확인
닫기이용약관
닫기학술연구정보서비스 이용약관 (2017년 1월 1일 ~ 현재 적용)
학술연구정보서비스(이하 RISS)는 정보주체의 자유와 권리 보호를 위해 「개인정보 보호법」 및 관계 법령이 정한 바를 준수하여, 적법하게 개인정보를 처리하고 안전하게 관리하고 있습니다. 이에 「개인정보 보호법」 제30조에 따라 정보주체에게 개인정보 처리에 관한 절차 및 기준을 안내하고, 이와 관련한 고충을 신속하고 원활하게 처리할 수 있도록 하기 위하여 다음과 같이 개인정보 처리방침을 수립·공개합니다.
주요 개인정보 처리 표시(라벨링)
목 차
3년
또는 회원탈퇴시까지5년
(「전자상거래 등에서의 소비자보호에 관한3년
(「전자상거래 등에서의 소비자보호에 관한2년
이상(개인정보보호위원회 : 개인정보의 안전성 확보조치 기준)개인정보파일의 명칭 | 운영근거 / 처리목적 | 개인정보파일에 기록되는 개인정보의 항목 | 보유기간 | |
---|---|---|---|---|
학술연구정보서비스 이용자 가입정보 파일 | 한국교육학술정보원법 | 필수 | ID, 비밀번호, 성명, 생년월일, 신분(직업구분), 이메일, 소속분야, 웹진메일 수신동의 여부 | 3년 또는 탈퇴시 |
선택 | 소속기관명, 소속도서관명, 학과/부서명, 학번/직원번호, 휴대전화, 주소 |
구분 | 담당자 | 연락처 |
---|---|---|
KERIS 개인정보 보호책임자 | 정보보호본부 김태우 | - 이메일 : lsy@keris.or.kr - 전화번호 : 053-714-0439 - 팩스번호 : 053-714-0195 |
KERIS 개인정보 보호담당자 | 개인정보보호부 이상엽 | |
RISS 개인정보 보호책임자 | 대학학술본부 장금연 | - 이메일 : giltizen@keris.or.kr - 전화번호 : 053-714-0149 - 팩스번호 : 053-714-0194 |
RISS 개인정보 보호담당자 | 학술진흥부 길원진 |
자동로그아웃 안내
닫기인증오류 안내
닫기귀하께서는 휴면계정 전환 후 1년동안 회원정보 수집 및 이용에 대한
재동의를 하지 않으신 관계로 개인정보가 삭제되었습니다.
(참조 : RISS 이용약관 및 개인정보처리방침)
신규회원으로 가입하여 이용 부탁 드리며, 추가 문의는 고객센터로 연락 바랍니다.
- 기존 아이디 재사용 불가
휴면계정 안내
RISS는 [표준개인정보 보호지침]에 따라 2년을 주기로 개인정보 수집·이용에 관하여 (재)동의를 받고 있으며, (재)동의를 하지 않을 경우, 휴면계정으로 전환됩니다.
(※ 휴면계정은 원문이용 및 복사/대출 서비스를 이용할 수 없습니다.)
휴면계정으로 전환된 후 1년간 회원정보 수집·이용에 대한 재동의를 하지 않을 경우, RISS에서 자동탈퇴 및 개인정보가 삭제처리 됩니다.
고객센터 1599-3122
ARS번호+1번(회원가입 및 정보수정)